基于分子对接与动力学模拟的用于治疗新型冠状病毒肺炎的中药活性成分虚拟筛选研究

您所在的位置:网站首页 美国免费治疗冠状病毒吗知乎 基于分子对接与动力学模拟的用于治疗新型冠状病毒肺炎的中药活性成分虚拟筛选研究

基于分子对接与动力学模拟的用于治疗新型冠状病毒肺炎的中药活性成分虚拟筛选研究

2024-07-11 14:51| 来源: 网络整理| 查看: 265

Sheng Wu Yi Xue Gong Cheng Xue Za Zhi. 2022 Oct 25; 39(5): 1005–1014. Chinese. doi: 10.7507/1001-5515.202205021PMCID: PMC9927723PMID: 36310490

Language: Chinese | English

基于分子对接与动力学模拟的用于治疗新型冠状病毒肺炎的中药活性成分虚拟筛选研究Virtual screening of active ingredients of traditional Chinese medicine in treating COVID-19 based on molecular docking and molecular dynamic simulation明皓 刘,1,2 Iqbal Khan Faez,3,1 雨晴 肖,4 栩 王,5 子然 胡,6 and 大坤 赖1,*明皓 刘

1 电子科技大学 电子科学与工程学院(成都 610054), School of Electronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

2 电子科技大学 生命科学与技术学院(成都 610054), School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

Find articles by 明皓 刘Iqbal Khan Faez

1 电子科技大学 电子科学与工程学院(成都 610054), School of Electronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

2 电子科技大学 生命科学与技术学院(成都 610054), School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

Find articles by Iqbal Khan Faez雨晴 肖

1 电子科技大学 电子科学与工程学院(成都 610054), School of Electronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

Find articles by 雨晴 肖栩 王

1 电子科技大学 电子科学与工程学院(成都 610054), School of Electronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

Find articles by 栩 王子然 胡

1 电子科技大学 电子科学与工程学院(成都 610054), School of Electronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

Find articles by 子然 胡大坤 赖

1 电子科技大学 电子科学与工程学院(成都 610054), School of Electronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China

Find articles by 大坤 赖Author information Article notes Copyright and License information PMC Disclaimer 1 电子科技大学 电子科学与工程学院(成都 610054), School of Electronic Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China 2 电子科技大学 生命科学与技术学院(成都 610054), School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China 3 西交利物浦大学 生物科学系(江苏苏州 215000), Department of Biological Sciences, School of Science, Xi’an Jiaotong-Liverpool University, Suzhou, Jiangsu 215000, P. R. China 4 电子科技大学 医学院(成都 610054), School of Medicine, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China 5 电子科技大学 计算机科学与工程学院(成都 610054), School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu 610054, P. R. China 6 黑龙江中医药大学 第一临床医学院(哈尔滨 150006), First Clinical Medical College, Heilongjiang University of Chinese Medicine, Harbin 150006, P. R. China Corresponding author.大坤 赖: nc.ude.ctseu@ialkd 赖大坤,Email:nc.ude.ctseu@ialkd Received 2022 May 9; Revised 2022 Sep 13Copyright 版权所有©《生物医学工程学杂志》编辑部 2022Copyright ©2022 Journal of Biomedical Engineering. All rights reserved.Abstract

本研究旨在从国家卫生健康委员会发布的《新型冠状病毒肺炎诊疗方案(试行第九版)》重型和危重型药方中筛选可能对新型冠状病毒肺炎(COVID-19)有治疗作用的活性成分,并通过其与严重急性呼吸综合征冠状病毒2(SARS-CoV-2)蛋白的相互作用阐释其作用机制。采用国际ETCM数据库和SwissADME数据库筛选3个药方中25味中药所含有的活性成分,使用PDB数据库获取SARS-CoV-2的4种蛋白质的晶体结构,采用Autodock Vina进行分子对接,使用GROMACS进行分子动力学模拟。分子结合能结果显示夏姆比奥纳、甘草素L、木犀草苷和黄芩苷等44种活性成分与SARS-CoV-2的多个靶点显示出良好的结合亲和力,而分子动力学模拟分析显示夏姆比奥纳与SARS-CoV-2的核衣壳蛋白能够更紧密地结合并发挥有效的抑制作用。本研究采用现代技术方法对中药活性成分进行研究,发现夏姆比奥纳是SARS-CoV-2核衣壳蛋白的有效抑制剂,为开发新型的抗SARS-CoV-2药物及其治疗方法提供科学的理论依据。

Keywords: 新型冠状病毒肺炎, 中药, 虚拟筛选, 分子对接, 分子动力学模拟, 夏姆比奥纳Abstract

We aim to screen out the active components that may have therapeutic effect on coronavirus disease 2019 (COVID-19) from the severe and critical cases’ prescriptions in the “Coronavirus Disease 2019 Diagnosis and Treatment Plan (Trial Ninth Edition)” issued by the National Health Commission of the People’s Republic of China and explain its mechanism through the interactions with proteins. The ETCM database and SwissADME database were used to screen the active components contained in 25 traditional Chinese medicines in 3 prescriptions, and the PDB database was used to obtain the crystal structures of 4 proteins of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Molecular docking was performed using Autodock Vina and molecular dynamics simulations were performed using GROMACS. Binding energy results showed that 44 active ingredients including xambioona, gancaonin L, cynaroside, and baicalin showed good binding affinity with multiple targets of SARS-CoV-2, while molecular dynamics simulations analysis showed that xambioona bound more tightly to the nucleocapsid protein of SARS-CoV-2 and exerted a potent inhibitory effect. Modern technical methods are used to study the active components of traditional Chinese medicine and show that xambioona is an effective inhibitor of SARS-CoV-2 nucleocapsid protein, which provides a theoretical basis for the development of new anti-SARS-CoV-2 drugs and their treatment methods.

Keywords: COVID-19, Traditional Chinese medicines, Virtual screening, Molecular docking, Molecular dynamics simulations, Xambioona引言

2019年12月暴发的新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)因其传播迅速和症状严重,引起了各国的强烈重视[1]。世界卫生组织于2020年3月11日宣布新型冠状病毒肺炎为大流行病[2]。新型冠状病毒肺炎是由严重急性呼吸综合征冠状病毒2(severe acute respiratory syndrome coronavirus 2,SARS-CoV-2)引起的,它是一种人畜共患病原体,属于冠状病毒科正冠状病毒亚科的β-冠状病毒(β-CoV)属[3]。该病毒最初攻击呼吸系统并引起咳嗽和发烧等类似流感的症状[4],在严重的情况下,患者可能会出现急性呼吸窘迫综合征和呼吸衰竭。此外,新型冠状病毒肺炎还可引起全身炎症和急性心脏损害,导致危重患者出现心律失常、心力衰竭和多器官功能障碍[5]。

新型冠状病毒肺炎暴发后,国家卫生健康委员会及时发布了《新型冠状病毒肺炎诊疗方案》,截止2022年3月15日已更新到试行第九版。在COVID-19治疗的过程中,中医药参与了全程治疗并发挥了显著作用。2022年3月31日,世界卫生组织发布的报告[6]中指出:“中药能有效治疗COVID-19,减少轻型、普通型病例转为重症,缩短病毒清除时间,改善轻型和普通型患者的临床预后”。纳入COVID-19治疗的中药有血必净、痰热清、热毒宁、喜炎平等。中药的药方往往含有多种草药,而每种草药又含有多种活性分子,活性成分的研究对治疗COVID-19有一定的参考意义。中药的作用主要是增强抵抗力,然而当前中药治疗新型冠状病毒肺炎的具体药理机制还不十分清楚。以往研究表明,中药活性成分可以通过结合病毒蛋白活性部位抑制病毒活性[7],这为研究中药治疗新型冠状病毒肺炎的具体药理机制带来了新见解。目前针对中药活性分子与SARS-CoV-2蛋白相互作用的研究大多聚集于分子对接,然而分子对接在复杂情况下有较大的误差,从而会影响结果的准确性。分子动力学模拟作为分子对接的有效补充,有利于提高结果的准确性,从更深层次揭示相互作用的机制。

为了开发新型且有用的抗新型冠状病毒疗法,了解该病毒的发病机制非常重要。已有研究显示,SARS-CoV-2的RNA基因组编码29种病毒蛋白[8],包括结构蛋白和非结构蛋白。结构蛋白包括刺突蛋白(S蛋白)、包膜蛋白(E蛋白)、膜蛋白(M蛋白)、核衣壳蛋白(N蛋白)等,非结构蛋白包括RNA依赖性的RNA聚合酶(RNA-dependent RNA polymerase, RDRP)和其他辅助蛋白[9]。其中,考虑到S蛋白、E蛋白、M蛋白和N蛋白起到了维持病毒结构的功能,RDRP在病毒复制过程中起到关键作用,因此被纳入本研究的对接分析中,作为活性分子对接的受体。本研究围绕《新型冠状病毒肺炎诊疗方案(试行第九版)》[10]中的中草药方,采用包括分子对接、分子动力学模拟的计算机药物设计方法[11-12]筛选出其中的药物活性成分,同时探讨其对SARS-CoV-2可能的作用靶点和潜在的作用机制,为开发新型且有用的抗新型冠状病毒药物及其治疗方法提供科学的理论依据。

1. 材料与方法

本研究采用计算机辅助药物设计方法,主要包括数据挖掘与建模、分子对接、分子动力学模拟等步骤,以及药物相似性评估和吉布斯自由能(Gibbs free energy,GFE)景观表达,如图1所示。

Open in a separate window图 1

Flow chart of the method based on molecular docking and molecular dynamics simulation

基于分子对接和分子动力学模拟方法的流程框图

1.1. 数据挖掘与建模

处方来源:国家卫生健康委员会发布的《新型冠状病毒肺炎诊疗方案(试行第九版)》[10]。本研究选取了重型治疗中“疫毒闭肺证”“气营两燔证”和危重型治疗中“内闭外脱证”的3个处方。“疫毒闭肺证”的处方组成:生麻黄6 g、杏仁9 g、生石膏15 g、甘草3 g、藿香10 g、厚朴10 g、苍术15 g、草果10 g、法半夏9 g、茯苓15 g、生大黄5 g、生黄芪10 g、葶苈子10 g、赤芍10 g。“气营两燔证”的处方组成:生石膏30 g、知母30 g、生地30 g、水牛角30 g、赤芍30 g、玄参30 g、连翘15 g、丹皮15 g、黄连6 g、竹叶12 g、葶苈子15 g、生甘草6 g。“内闭外脱证”的处方组成:人参15 g、黑顺片10 g、山茱萸15 g。其中,生麻黄、法半夏、生大黄、生甘草、生地、竹叶、丹皮、黑顺片分别以“麻黄”“半夏”“大黄”“甘草”“地黄”“淡竹叶”“牡丹皮”“附子”为名查询。从上述药方中共提取出25味草药,通过检索ETCM(http://www.tcmip.cn/ETCM/)25味草药的药名查询活性成分。查询PubChem(https://pubchem.ncbi.nlm.nih.gov/)下载其结构式,以.sdf的格式保存(检索日期:2022年3月20日)。

从RCSB蛋白质数据库(PDB)(http://www.rcsb.org/)下载3CL蛋白(PDB ID:7BRO,分辨率为2.00 Å,与水分子结合)[13]、核衣壳蛋白N-末端RNA结合结构域(N-terminal domain,NTD)(PDB ID:6M3M,分辨率为2.70 Å)[14]、前融合构象刺突蛋白(PDB ID:7AD1,分辨率为2.92 Å)[15]和RDRP(PDB ID:7D4F,分辨率为2.57 Å,与苏拉明结合)[16]的结构。使用Autodock Vina[11]分别制备四种蛋白质[3CL、N (NTD)、S和RDRP]用于对接的结构,其中包括氢的添加和水的去除。使用Chimera软件[17]进行结构的最小化。使用shell脚本实现每种蛋白质与所有天然化合物的对接。

1.2. 分子对接

分子对接是从大分子(受体)和小分子(配体)的未结合结构或同源建模中获得的结构开始,目标是它们的结合构象和结合亲和力。分子对接是结构药物设计方法中的一部分,该技术广泛用于药物的筛选和鉴定。本研究使用AutoDock Vina[11]对44种活性分子与3CL蛋白、N蛋白、S蛋白和RDRP进行分子对接。根据结合能以及活性成分的正确方向选择每个活性分子的最佳对接取向[17]。

1.3. 分子动力学模拟

分子动力学模拟是生物分子计算研究最重要的工具之一,可用于计算分子系统的时间依赖性行为,并提供蛋白质波动和构象变化的综合信息。该方法普遍应用于研究生物系统中发生的复杂动态过程,包括蛋白质折叠与稳定性、构象变化和药物设计等。根据实验所得结果,使用GROMACS 2018.2[18]对SARS-CoV-2 N蛋白和N蛋白-夏姆比奥纳复合物执行分子动力学模拟。添加了合理数量的Na+和Cl−离子以保持系统的中性,并实现了100 ns的最终生成阶段。基本动力学提取蛋白质的相关运动,以了解对蛋白质活性最重要的运动。通过协方差矩阵C的对角化估计SARS-CoV-2 N蛋白和N蛋白-夏姆比奥纳复合物的主成分分析:

1

式中,ri表示第i个Cα原子的笛卡尔坐标,N表示Cα原子的数量,表示所有配置的时间平均值[19-21]。

吉布斯自由能景观可表明蛋白质分子的构象变化[22]。为了获得二维和三维的图像,将SARS-CoV-2 N蛋白和N蛋白-夏姆比奥纳复合物的吉布斯自由能景观投影到PC1和PC2上。

2

式中,kB代表玻尔兹曼常数,T代表温度,P(PC1,PC2)代表归一化联合概率分布。

1.4. 药物相似性评估

通过Lipinski过滤器评估活性分子的药物相似性[23]。根据实验所得结果,通过估计药代动力学参数以分析夏姆比奥纳、甘草素L、木犀草苷和黄芩苷的吸收、分布、代谢和排泄(absorption,distribution,metabolism,excretion and toxicity,ADMET)特性和毒性。使用SwissADME [24]、CarcinoPred-EL[25]和PreADMET服务器分别预测了ADMET、致癌性和毒性。

2. 结果2.1. 中药活性成分的虚拟筛选

通过对上述中药药方的分析,我们共提取出1 043种活性成分。将以上活性成分作为配体,分别与3CL蛋白、N蛋白、S蛋白和RDRP为受体进行分子对接。选取打分最高的构象作为对接构象,选取作用明确的RDRP抑制剂作为对照,选取两个及以上对接结果好于瑞德西韦的活性成分作为分子对接结果,得到44种可能具有抗SARS-CoV-2活性的中药活性成分,结果如表1所示。

表 1Molecular docking results of active ingredients of traditional Chinese medicines that may be effective in the treatment of COVID-19

可能对COVID-19治疗有效的中药活性成分的分子对接结果

活性成分英文名称PubChem CID靶蛋白结合能/(kcal·mol−1)3CLNSRDRP夏姆比奥纳Xambioona14769500– 8.3– 11.2– 9.6– 8.5甘草素LGancaonin L14604077– 6.6– 9.4– 9.3– 8.5木犀草苷Cynaroside5280637– 7.7– 9.0– 9.5– 8.5黄芩苷Baicalin64982– 7.0– 9.6– 9.7– 8.3β-谷甾醇Sitosterol222284– 7.1– 9.3– 8.0– 7.5山柰酚Kaempferol5280863– 6.4– 8.7– 7.9– 7.9人参皂苷Rh2Ginsenoside Rh2119307– 7.2– 9.4– 6.7– 8.5靛蓝Indigo10215– 6.8– 9.1– 8.4– 8.6异靛蓝isoindigo164610– 6.5– 9.0– 8.0– 7.7甘草异黄烷酮Licoisoflavanone392443– 7.1– 9.9– 8.7– 7.6水鬼蕉宾碱Caribine441590– 7.2– 9.4– 8.4– 7.6光甘草宁Glabranin124049– 7.0– 9.3– 8.1– 7.7五味子素RGomisinR11495015– 6.6– 7.4– 8.1– 8.0木樨草素Luteolin5280445– 6.9– 6.4– 8.5– 8.0槲皮素Quercetin5280343– 6.9– 8.9– 8.2– 8.0柚皮素Naringenin932– 6.5– 8.6– 8.4– 7.4异鼠李素Isorhamnetin5281654– 6.3– 8.7– 8.9– 7.7黄芩素Baicalein5281605– 6.5– 8.8– 8.7– 7.4大黄酸Rhein10168– 7.3– 8.9– 8.2– 7.4儿茶素Cianidanol9064– 6.8– 8.6– 8.1– 7.7毛蕊异黄酮Calycosin5280448– 6.5– 8.4– 8.6– 8.0甘草查尔酮ALicochalcone A5318998– 7.3– 8.3– 8.0– 7.3甘草查尔酮BLicochalcone B5318999– 6.5– 8.1– 7.7– 7.2甘草醇Glycyrol5320083– 6.9– 9.6– 8.8– 7.3熊去氧胆酸Ursodeoxycholic acid31401– 6.7– 9.0– 7.3– 7.3鹅去氧胆酸Chenodeoxycholic acid10133– 6.8– 9.5– 7.5– 7.2汉黄芩苷Oroxindin3084961– 7.0– 9.4– 9.2– 8.1金圣草素Chrysoeriol5280666– 6.6– 8.8– 8.7– 7.8全草含伞花耳草素Corymbosin10970376– 5.8– 8.6– 8.7– 7.6靛玉红indirubin10177– 7.5– 9.2– 8.5– 8.2β-胡萝卜素β-Carotene5280489– 7.5– 9.8– 8.7– 6.9芦荟大黄素Aloe-emodin10207– 6.9– 8.5– 7.1– 7.2大黄素Emodin3220– 6.7– 8.5– 7.2– 7.3汉黄芩素Wogonin5281703– 6.2– 8.4– 7.8– 8.1金合欢素Acacetin5280442– 6.2– 8.6– 8.3– 7.8柚皮苷Naringin442428– 7.3– 8.6– 8.1– 8.4芦丁Rutin5280805– 7.2– 8.1– 8.6– 8.8苦杏仁苷Amygdalin656516– 6.3– 8.5– 8.9– 8.3麻黄碱Ephedrine9294– 6.9– 9.4– 8.7– 8.1野鸢尾黄素Irigenin5464170– 6.4– 8.5– 8– 7.6荠苎黄酮Mosloflavone471722– 6.2– 8.5– 8.4– 7.2千层纸素Oroxylin A5320315– 6.4– 8.5– 8.4– 7.5鼠李秦素Rhamnazin5320945– 6.2– 8.8– 8.2– 7.7梨果仙人掌黄质Indicaxanthin6096870– 7.0– 8.3– 7.9– 7.2瑞德西韦Remdesivir121304016///– 7.4Open in a separate window

表1所示的44种中药活性成分的分子对接分析结果显示,对接排名前四名为夏姆比奥纳、甘草素L、木犀草苷和黄芩苷。与3CL蛋白结合能最高的前五种活性成分的分子分别为夏姆比奥纳、木犀草苷、靛玉红、β-胡萝卜素和大黄酸;与N蛋白结合能最高的前五种活性成分的分子分别为夏姆比奥纳、甘草异黄烷酮、β-胡萝卜素、黄芩苷和鹅去氧胆酸;与S蛋白结合能最高的前五种活性成分的分子分别为黄芩苷、夏姆比奥纳、木犀草苷、甘草素L和汉黄芩苷;与RDRP结合能最高的前五种活性成分的分子分别为靛蓝、芦丁、夏姆比奥纳、甘草素L和木犀草苷。由于夏姆比奥纳对SARS-CoV-2的3CL、N、S和RDRP蛋白显示出最高的结合能,因此本研究进一步选取夏姆比奥纳进行详细的分子对接和分子动力学模拟分析。

2.2. 夏姆比奥纳与 3CL、N、S 蛋白和 RDRP 的分子对接分析

夏姆比奥纳与3CL、N、S 蛋白和RDRP的分子对接结果如图2所示。夏姆比奥纳与3CL蛋白的结合能为–8.3 kcal/mol。它与残基Phe294和Ile249具有π-σ键,还与残基Pro252、Leu253、Pro293和Val297等产生范德华力相互作用。已有研究表明3CL蛋白的结构域Ⅲ(残基201-301)具有催化活性[26],因此夏姆比奥纳有可能通过抑制催化活性发挥一定的抑制作用。夏姆比奥纳与N蛋白的N端RNA结合域强烈结合,结合能为–11.2 kcal/mol。在N蛋白中,由于N端RNA结合域对于病毒的复制等生理过程具有重要作用,因此该分子有可能通过抑制RNA的释放发挥相应的抑制作用[27]。夏姆比奥纳与S蛋白的结合能为–9.6 kcal/mol。它与残基Pro322具有π-烷基键,显示了酰胺-π与Phe321的叠加相互作用以及与Thr319、Val320、Pro323、Arg349和Pro461的范德华力相互作用。结构和生化分析确定SARS-CoV-2的S1亚基C末端结构域的211个氨基酸区域(第319-529位氨基酸)为RBD(受体结合域),它在病毒进入中具有关键作用,是结合抗体的靶标。RBM介导与ACE2受体(SARS-CoV-2 S蛋白的437-507位氨基酸)的接触[28]。因此该分子有可能通过抑制RBD与ACE2受体结合发挥一定的抑制作用。夏姆比奥纳以–8.5 kcal/mol的结合能与RDRP结合。它与Gln762、Gly769、Ile770、Glu773等发生范德华力相互作用。RDRP的核心域位于残基397-581、621-679和819-920,其中残基Asp760、Ser759和Asp761与RNA结合[29],揭示了该分子有可能通过抑制RNA的复制发挥相应的抑制作用。

Open in a separate window图 2

The molecular docking of xambioona into 3CL protein, N protein, RDRP, and S protein, respectively

夏姆比奥纳分别与3CL蛋白、N蛋白、RDRP、S蛋白的分子对接

该结构分别表明与3CL蛋白、N蛋白、RDRP和S蛋白中不同残基的相互作用

the structure indicated different residual interactions in 3CL-xambioona, N-xambioona, RDRP-xambioona, and S-xambioona, respectively

2.3. 夏姆比奥纳和N蛋白-夏姆比奥纳复合物的分子动力学模拟分析

分子对接分析结果显示,夏姆比奥纳对SARS-CoV-2的N蛋白具有最高的结合能。因此,选择夏姆比奥纳与N蛋白进行进一步的分子动力学模拟。

2.3.1. 结构动力学和结构分析

通过测量均方根(root mean square,RMS)分布和RMS波动来探究N蛋白和N蛋白-夏姆比奥纳复合物的结构动力学,结构偏差由RMS分布、RMS波动,以及在主成分分析期间计算的RMS波动得出(见图3)。本组结果显示,当夏姆比奥纳与N蛋白的天然构象结合时,其结构偏离天然构象的程度较小。由此可得,在这种情况下,夏姆比奥纳与N蛋白的结合是稳定的。

Open in a separate window图 3

Structural dynamics and structural analysis of xambioona and N-xambioona complex

夏姆比奥纳和N蛋白-夏姆比奥纳复合物的结构动力学和结构分析

a-c分别代表RMS分布、RMS波动和主成分分析期间计算的RMS波动,vec 1和vec 2表示主成分分析提取出的2个向量,红色和黑色分别代表N蛋白和N蛋白-夏姆比奥纳复合物;d-e分别代表N蛋白和N蛋白-夏姆比奥纳复合物在主成分分析期间计算的RMS波动,红色、绿色、蓝色和黑色分别表示X轴、Y轴、Z轴和三轴总和的特征成分

a-c represent the RMS distribution, RMS fluctuations, and RMS fluctuations calculated during principal component analysis, respectively, vec1 and vec2 represent the two vectors extracted by principal component analysis, and red and black color represent values calculated for N protein and N-xambioona complex, respectively. Further eigen-components were resolved in total (black), X-axis (red), Y-axis (green), and Z-axis (blue) for Fig.d (N protein) and Fig. e (N-xambioona complex)

结构分析发现N蛋白和N蛋白-夏姆比奥纳复合物的体积分别为46.79 nm3和47.47 nm3,平均密度分别为966.71 g/L和952.73 g/L。在结合夏姆比奥纳后,N蛋白的平均体积略有增加而密度降低。此外,在分子动力学模拟过程中,在0.35 nm内配对的SARS-CoV-2的N蛋白和N蛋白-夏姆比奥纳复合物的主链和侧链之间的氢键总数分别为104和97;在100 ns分子动力学模拟期间,夏姆比奥纳倾向于与N蛋白形成3~4个氢键,N蛋白-夏姆比奥纳复合物的主链和侧链之间的氢键减少。该结果表明,N蛋白被夏姆比奥纳的结合抑制,与夏姆比奥纳的强结合导致N蛋白的展开。

溶剂可及表面积(solvent accessible surface area,SASA)指溶剂可接触的生物分子表面积。SARS-CoV-2的N蛋白和N蛋白-夏姆比奥纳复合物的平均SASA值估计分别为132.35 nm2和137.75 nm2。这清楚地显示了夏姆比奥纳与N蛋白的结合增加了SASA,这种结合导致蛋白质核心中存在的氨基酸残基暴露,间接表明了夏姆比奥纳与N蛋白的强结合。SARS-CoV-2的N蛋白和N蛋白-夏姆比奥纳复合物的自由溶剂化能分别为247.58 kJ/(mol·nm−2)和256.37 kJ/(mol·nm−2),显示N蛋白-夏姆比奥纳复合物比N蛋白具有更多的溶剂化自由能。

2.3.2. 二级结构构象

N蛋白与夏姆比奥纳的结合会导致N蛋白的结构偏差,分析二级结构构象可用于鉴定蛋白质的结构特性,进一步阐明二者的结构差异。当夏姆比奥纳与N蛋白结合时,二级结构发生了轻微变化(见图4)。表2比较了参与SARS-CoV-2的N蛋白和N蛋白-夏姆比奥纳复合物二级结构形成的平均残基数占比。N蛋白的平均结构、卷曲、β-折叠、β-桥、弯曲和转角分别为39%、40%、23%、4%、20%和12%,而N蛋白-夏姆比奥纳复合物的上述参数则别为40%、40%、23%、6%、18%和10%。两者在β桥、弯曲、转角和5-螺旋区域显示出轻微差异。

Open in a separate window图 4

The secondary structure conformations of SARS-CoV-2 N protein and N-xambioona complex

SARS-CoV-2 N蛋白和N蛋白-夏姆比奥纳复合物的二级结构构象

表 2Secondary structure analysis of N protein of SARS-CoV-2 and N-xambioona complex during 100 ns molecular dynamics simulations

100 ns分子动力学模拟期间SARS-CoV-2的N蛋白和N蛋白-夏姆比奥纳复合物的二级结构分析

蛋白质二级结构(%)总结构*卷曲β-折叠β-桥弯曲转角α-螺旋5-螺旋注:*总结构包括α-螺旋、β-折叠、β-桥和转角N蛋白3940234201200N蛋白-夏姆比奥纳复合物4040236181001Open in a separate window

2.3.3. 吉布斯自由能景观

吉布斯自由能景观显示出SARS-CoV-2的N蛋白和N蛋白-夏姆比奥纳复合物构象与能量的关系(见图5)。深蓝色的构象能量轮廓表示蛋白质的较低能量构象状态,构象从深蓝色到浅蓝色的转变表明蛋白质构象的转变在热力学上不太有利。N蛋白全局能量最小区域中的自由能态具有尖锐的单一低能态。当夏姆比奥纳与N蛋白结合时,自由能全局最小值的自由取向发生了变化。这些不同的吉布斯自由能景观是由于夏姆比奥纳与N蛋白的结合而产生的不同构象。

Open in a separate window图 5

The Gibbs free energy landscape of SARS-CoV-2 N protein and N-xambioona complex

SARS-CoV-2 N蛋白和N蛋白-夏姆比奥纳复合物的吉布斯自由能图谱

2.4. 药物相似性分析

毒性和较差的药代动力学特性是导致药物在临床试验中失败的主要原因,可用药代动力学特征和类药五原则规则区分非药物分子和类似药物分子。表1结果显示,对接排名前四名为夏姆比奥纳、甘草素L、木犀草苷和黄芩苷。表3展示了夏姆比奥纳、甘草素L、木犀草苷和黄芩苷的Lipinski过滤器和ADMET特性。夏姆比奥纳和甘草素L表现出了类似药物的良好特性,如质量(< 500 Da)、亲脂性(LogP < 5)、氢键供体(< 5)、氢键受体(< 10)和摩尔折射率(40~130)等。

表 3Lipinski filter and ADMET properties of xambioona, gancaonin L, cynaroside and baicalin

Lipinski过滤器和夏姆比奥纳、甘草素L、木犀草苷和黄芩苷的ADMET特性

药物类药五原则 致癌性药物相似性违背数分子量氢键供体数氢键受体数LogP摩尔折射率夏姆比奥纳3880 4 5.8112.9 No通过0甘草素L3544 6 3.6 95.6 No通过0木犀草苷448711− 0.4105.2 No无2黄芩苷446611− 0.01104 No无2Open in a separate window3. 讨论

作为一种全球性流行病,COVID-19正在世界各地肆虐,但迄今为止尚无疗效明显的药物上市。COVID-19在我国传统医学中属于“疫病”,史籍记载的防治方法历史悠久、手段丰富,因此利用我国传统的中医药资源意义重大。在多轮疫情中,中医药在治疗COVID-19感染、减轻COVID-19并发症中发挥了重要作用,有效减少了致死率。中药方成分复杂,对中药活性成分的鉴别和筛选有助于阐明中药发挥治疗作用的机制,对于治疗COVID-19具有重要意义。

《新型冠状病毒肺炎诊疗方案》是由国家卫生健康委员会发布的COVID-19治疗指南,具有极强的参考价值。针对COVID-19相对于以往疫病的特殊性,诊疗方案提出了一些新的处方专门应用于COVID-19的治疗,因此研究这些新提出的处方具有一定的现实意义。本研究选取了重型治疗中“疫毒闭肺证”“气营两燔证”和危重型治疗中“内闭外脱证”的3个处方,从中提取出有效成分,通过使用分子对接和分子动力学模拟等几种计算方法,筛选出44种可能对SARS-CoV-2有抑制作用的中药活性成分,并确定了一种理论上有效的COVID-19抑制剂夏姆比奥纳。

S蛋白的S1结构域与其宿主受体(ACE2)之间的初始相互作用以及随后的S2片段介导的宿主和病毒膜融合使RNA基因组进入宿主细胞[30]。N蛋白在结构上与病毒核酸结合,参与病毒复制周期过程和宿主细胞对病毒感染的细胞反应[29]。N蛋白NTD结构域的RNA结合活性对于SARS-CoV-2的RNP的形成和基因组复制是必不可少的。3CL蛋白参与了前体多蛋白的大部分成熟切割[31]。RDRP是RNA合成的活性中心[32],结构上保守的RDRP核心和相关基序对于RNA催化功能是必不可少的。由于上述蛋白质对SARS-CoV-2的生理过程和致病机制至关重要,因此针对上述蛋白质研发或筛选药物分子被认为是开发抗病毒药物的良好策略。

在44种可能对SARS-CoV-2有抑制作用的中药活性成分中,结合能排名前四位的分别为夏姆比奥纳、甘草素L、木犀草苷和黄芩苷,其结合能均普遍高于临床上推荐的抗SARS-CoV-2药物瑞德西韦,表明其与SARS-CoV-2的主要蛋白结合能力较强,可能以抑制主要蛋白功能的方式发挥抗病毒作用。在44个活性分子的对接结果之中,夏姆比奥纳与SARS-CoV-2的S蛋白、3CL蛋白、N蛋白和RDRP都具有最高的结合能。夏姆比奥纳为甘草的活性成分之一,但以往对该活性成分的研究极少,其生理作用和具体的作用机制均不明确。本研究从分子对接和分子动力学模拟的角度,分析了夏姆比奥纳与SARS-CoV-2主要蛋白的相互作用,揭示了夏姆比奥纳抗病毒的可能机制。

随着分子建模、分子对接和分子动力学模拟等各种计算机方法的快速发展,现代计算机手段为探究中医药的科学基础提供了新的策略。考虑到分子对接在复杂情形下有较大的误差,本研究引入了分子动力学模拟的方法。分子动力学模拟将配体与受体放入体系中,模拟自然状态下两者的结合。分子动力学模拟能够从原子层面给出体系的微观演变过程,直观地展示实验现象发生的机制与规律,在研究配体-受体结合的机制方面具有很大优势。分子动力学模拟结果表明,夏姆比奥纳与N蛋白产生了较强的结合模式,并可能通过核心氨基酸暴露的方式发挥抑制作用。分子动力学模拟的结果进一步佐证了分子对接中夏姆比奥纳和N蛋白紧密结合的分析。为了确认筛选出的活性成分可以被用作药物,本研究还进行了药物相似性分析。结果表明,夏姆比奥纳的LogP值约为5.8,甘草素L约为3.6。因此,夏姆比奥纳和甘草素L更可能被较好吸收。此外,夏姆比奥纳和甘草素L遵循类药五原则的所有特性,使其成为药物相似分子。

综上所述,此前对中药的研究主要集中在免疫学和网络药理学。探索中药活性小分子与SARS-CoV-2蛋白相互作用可能性的尝试,可以为COVID-19的治疗带来新的见解。分子对接分析表明,夏姆比奥纳对N蛋白具有最高的结合能(–11.2 kcal/mol)。分子动力学模拟研究表明,夏姆比奥纳的结合在很大程度上导致了N蛋白的展开。除了夏姆比奥纳,甘草素L、木犀草苷、黄芩苷也显示出良好的结合能,但只有甘草素L鉴定为药物样分子。因此,这是一种基于计算筛选、分子对接和分子动力学模拟的理性计算预测,以确定一种精确靶向SARS-CoV-2的新型抑制剂。

4. 结论

针对SARS-CoV-2病毒,本研究采用计算机辅助药物设计方法虚拟筛选和研究了25种中草药,发现夏姆比奥纳、甘草素L、木犀草苷和黄芩苷等四种活性分子与SARS-CoV-2的多个靶点具有很强的结合亲和力。其中,特别发现夏姆比奥纳与N蛋白的结合能最高,其相应的分子动力学模拟研究结果显示,夏姆比奥纳与SARS-CoV-2的N蛋白紧密结合,这表明夏姆比奥纳可能是SARS-CoV-2核衣壳蛋白的潜在良好抑制剂。综上所述,本研究对多种中草药物与SARS-CoV-2的结合进行了详细的计算和分析,发现了夏姆比奥纳这一具有潜在价值的中草药活性成分或可用于合成一种精确靶向SARS-CoV-2的新型抑制剂,然而本研究相关结果的最终应用还有待于后续大量的实验室研究和适当的临床试验评估。

重要声明

利益冲突声明: 本文全体作者均声明不存在利益冲突。

作者贡献声明: 本研究数据挖掘与建模、分子对接、分子动力学模拟由刘明皓、Faez Iqbal Khan、肖雨晴、王栩共同完成,论文写作与修改由刘明皓、Faez Iqbal Khan、胡子然完成,赖大坤教授承担本研究工作的总体指导。刘明皓和Faez Iqbal Khan两位作者贡献相同。

Funding Statement

国家自然科学基金(61771100);四川省科技计划(2021YFH0093)

Funding Statement

The National Natural Science Foundation of China

References1. Zhou P, Yang X L, Wang X G, et al A pneumonia outbreak associated with a new coronavirus of probable bat origin. Nature. 2020;579(7798):270–273. doi: 10.1038/s41586-020-2012-7. [PMC free article] [PubMed] [CrossRef] [Google Scholar]2. Ahmed S F, Quadeer A A, McKay M R Preliminary identification of potential vaccine targets for the COVID-19 coronavirus (SARS-CoV-2) based on SARS-CoV immunological studies. Viruses. 2020;12(3):254. doi: 10.3390/v12030254. [PMC free article] [PubMed] [CrossRef] [Google Scholar]3. Sahebnasagh A, Avan R, Saghafi F, et al Pharmacological treatments of COVID-19. Pharmacol Rep. 2020;72(6):1446–1478. doi: 10.1007/s43440-020-00152-9. [PMC free article] [PubMed] [CrossRef] [Google Scholar]4. Zou L, Ruan F, Huang M, et al SARS-CoV-2 viral load in upper respiratory specimens of infected patients. N Engl J Med. 2020;382(12):1177–1179. doi: 10.1056/NEJMc2001737. [PMC free article] [PubMed] [CrossRef] [Google Scholar]5. Wang D, Hu B, Hu C, et al Clinical characteristics of 138 hospitalized patients with 2019 novel coronavirus-infected pneumonia in Wuhan, China. JAMA. 2020;323(11):1061–1069. doi: 10.1001/jama.2020.1585. [PMC free article] [PubMed] [CrossRef] [Google Scholar]6. WHO Team WHO Expert Meeting on Evaluation of Traditional Chinese Medicine in the Treatment of COVID-19. Geneva: WHO. 2022:4–17. [Google Scholar]7. Song C M, Lim S J, Tong J C Recent advances in computer-aided drug design. Brief Bioinform. 2009;10(5):579–591. doi: 10.1093/bib/bbp023. [PubMed] [CrossRef] [Google Scholar]8. Chen Y, Liu Q, Guo D Emerging coronaviruses: Genome structure, replication, and pathogenesis. J Med Virol. 2020;92(4):418–423. doi: 10.1002/jmv.25681. [PMC free article] [PubMed] [CrossRef] [Google Scholar]9. Prajapat M, Sarma P, Shekhar N, et al Drug targets for corona virus: A systematic review. Indian J Pharmacol. 2020;52(1):56–65. doi: 10.4103/ijp.IJP_115_20. [PMC free article] [PubMed] [CrossRef] [Google Scholar]10. 国家卫生健康委办公厅 新型冠状病毒肺炎诊疗方案(试行第九版) 传染病信息 2022;35(2):97–106. doi: 10.3969/j.issn.1007-8134.2022.02.001. [CrossRef] [Google Scholar]11. Trott O, Olson A J AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading. J Comput Chem. 2010;31(2):455–461. [PMC free article] [PubMed] [Google Scholar]12. Lindahl E R Molecular dynamics simulations. Methods Mol Biol. 2008;443:3–23. [PubMed] [Google Scholar]13. Fu L, Ye F, Feng Y, et al Both Boceprevir and GC376 efficaciously inhibit SARS-CoV-2 by targeting its main protease. Nat Commun. 2020;11(1):4417. doi: 10.1038/s41467-020-18233-x. [PMC free article] [PubMed] [CrossRef] [Google Scholar]14. Kang S, Yang M, Hong Z, et al Crystal structure of SARS-CoV-2 nucleocapsid protein RNA binding domain reveals potential unique drug targeting sites. Acta Pharm Sin B. 2020;10(7):1228–1238. doi: 10.1016/j.apsb.2020.04.009. [PMC free article] [PubMed] [CrossRef] [Google Scholar]15. Juraszek J, Rutten L, Blokland S, et al Stabilizing the closed SARS-CoV-2 spike trimer. Nat Commun. 2021;12(1):244. doi: 10.1038/s41467-020-20321-x. [PMC free article] [PubMed] [CrossRef] [Google Scholar]16. Yin W, Luan X, Li Z, et al Structural basis for inhibition of the SARS-CoV-2 RNA polymerase by suramin. Nat Struct Mol Biol. 2021;28(3):319–325. doi: 10.1038/s41594-021-00570-0. [PubMed] [CrossRef] [Google Scholar]17. Pettersen E F, Goddard T D, Huang C C, et al UCSF Chimera-a visualization system for exploratory research and analysis. J Comput Chem. 2004;25(13):1605–1612. doi: 10.1002/jcc.20084. [PubMed] [CrossRef] [Google Scholar]18. Van Der Spoel D, Lindahl E, Hess B, et al GROMACS: fast, flexible, and free. J Comput Chem. 2005;26(16):1701–1718. doi: 10.1002/jcc.20291. [PubMed] [CrossRef] [Google Scholar]19. Khan F I, Lai D, Anwer R, et al Identifying novel sphingosine kinase 1 inhibitors as therapeutics against breast cancer. J Enzyme Inhib Med Chem. 2020;35(1):172–186. doi: 10.1080/14756366.2019.1692828. [PMC free article] [PubMed] [CrossRef] [Google Scholar]20. Hassan F, Khan F I, Song H, et al Effects of reverse genetic mutations on the spectral and photochemical behavior of a photoactivatable fluorescent protein PAiRFP1. Spectrochim Acta A Mol Biomol Spectrosc. 2020;228:117807. doi: 10.1016/j.saa.2019.117807. [PubMed] [CrossRef] [Google Scholar]21. Durrani R, Khan F I, Ali S, et al A thermolabile phospholipase B from Talaromyces marneffei GD-0079: biochemical characterization and structure dynamics study. Biomolecules. 2020;10(2):231. doi: 10.3390/biom10020231. [PMC free article] [PubMed] [CrossRef] [Google Scholar]22. Khan F I, Wei D Q, Gu K R, et al Current updates on computer aided protein modeling and designing. Int J Biol Macromol. 2016;85:48–62. doi: 10.1016/j.ijbiomac.2015.12.072. [PubMed] [CrossRef] [Google Scholar]23. Lipinski C A Lead- and drug-like compounds: the rule-of-five revolution. Drug Discov Today Technol. 2004;1(4):337–341. doi: 10.1016/j.ddtec.2004.11.007. [PubMed] [CrossRef] [Google Scholar]24. Daina A, Michielin O, Zoete V SwissADME: a free web tool to evaluate pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Sci Rep. 2017;7:42717. doi: 10.1038/srep42717. [PMC free article] [PubMed] [CrossRef] [Google Scholar]25. Zhang L, Ai H, Chen W, et al CarcinoPred-EL: Novel models for predicting the carcinogenicity of chemicals using molecular fingerprints and ensemble learning methods. Sci Rep. 2017;7(1):2118. doi: 10.1038/s41598-017-02365-0. [PMC free article] [PubMed] [CrossRef] [Google Scholar]26. Gahlawat A, Kumar N, Kumar R, et al Structure-based virtual screening to discover potential lead molecules for the SARS-CoV-2 main protease. J Chem Inf Model. 2020;60(12):5781–5793. doi: 10.1021/acs.jcim.0c00546. [PubMed] [CrossRef] [Google Scholar]27. Peng Y, Du N, Lei Y, et al Structures of the SARS-CoV-2 nucleocapsid and their perspectives for drug design. EMBO J. 2020;39(20):e105938. [PMC free article] [PubMed] [Google Scholar]28. Hu B, Guo H, Zhou P, et al. Characteristics of SARS-CoV-2 and COVID-19. Nat Rev Microbiol, 2021, 19(3): 141-154. Erratum in: Nat Rev Microbiol, 2022, 20(5): 315.29. Yin W, Mao C, Luan X, et al Structural basis for inhibition of the RNA-dependent RNA polymerase from SARS-CoV-2 by remdesivir. Science. 2020;368(6498):1499–1504. doi: 10.1126/science.abc1560. [PMC free article] [PubMed] [CrossRef] [Google Scholar]30. Huang Y, Yang C, Xu X F, et al Structural and functional properties of SARS-CoV-2 spike protein: potential antivirus drug development for COVID-19. Acta Pharmacol Sin. 2020;41(9):1141–1149. doi: 10.1038/s41401-020-0485-4. [PMC free article] [PubMed] [CrossRef] [Google Scholar]31. Hatmal M M, Alshaer W, Al-Hatamleh M A I, et al Comprehensive structural and molecular comparison of spike proteins of SARS-CoV-2, SARS-CoV and MERS-CoV, and their interactions with ACE2. Cells. 2020;9(12):2638. doi: 10.3390/cells9122638. [PMC free article] [PubMed] [CrossRef] [Google Scholar]32. Zhu W, Chen C Z, Gorshkov K, et al RNA-dependent RNA polymerase as a target for COVID-19 drug discovery. SLAS Discov. 2020;25(10):1141–1151. doi: 10.1177/2472555220942123. [PMC free article] [PubMed] [CrossRef] [Google Scholar]


【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3